MLE-Agent：给机器学习工程师配备的 AI 副驾

当你的 Kaggle 参赛过程变成「单人自习室」

深夜，你坐在电脑前，手里握着一条 Kaggle 竞赛的数据集下载链接。对面的模型还在训练，屏幕上的准确率曲线刚刚爬升到 0.72 就停滞不前——你想优化，但不知道该调哪个超参数；你想搜 SOTA 论文，但懒得翻 ArXiv；你想快速验证一个新想法，光是搭环境就耗掉了半小时。

MLE-Agent 正是为这类场景而生。它不是又一个聊天机器人，而是一个扎根于本地项目的 AI 搭档——帮你从 0 搭基线、调 Bug、搜论文、做周报，最终让你把精力真正花在"想法"上，而不是"工程"里。

MLE-Agent 吉祥物 Kaia

图1：MLE-Agent 的吉祥物 Kaia——一只Llama，灵感来自作者的宠物，象征着温暖与陪伴

背景故事：为什么 ML 工程师需要专属 Agent？

大模型 Agent 这两年火遍全网，但大多数 Agent 产品面向通用场景：写文案、编代码、做分析。机器学习工程师的痛点却很少被专门覆盖——他们的工作流有明显的领域特征：需要读论文、跑实验、管数据、调模型、提交 Kaggle，这些环节每一步都有大量重复劳动。

MLS ysOps 团队（国内 ML 社区活跃贡献者）注意到了这个空白，于 2024 年 6 月启动了 MLE-Agent 项目，v0.1.0 是一个基于规则的自动化脚本。随着 LLM API 能力提升，项目在 2024 年下半年快速迭代，接入了 OpenAI GPT、Anthropic Claude、Gemini 等多个模型，并从规则脚本演进为多 Agent 协作框架。截至 2025 年中，项目在 GitHub 已积累超过 1500 stars，成为 ML 工程师辅助工具领域最具代表性的开源项目之一。

核心功能拆解：它到底能做什么？

1. 自动构建 ML 基线（Baseline Mode）

输入一个模糊的需求，比如"我想用历史股价预测明天涨跌"，MLE-Agent 会：

理解需求：Planner Agent 分析你的数据集和目标，生成项目计划
推荐方案：Advisor Agent 参考 ArXiv 和 Papers with Code 推荐 SOTA 方法
编写代码：Code Agent 按计划生成完整的训练脚本
自动调试：Debugger Agent 运行代码、捕获错误、反馈给 Code Agent 修复

整个过程在你的本地目录中完成，生成的项目结构包含数据处理、模型定义、训练脚本、评估模块，可直接在此基础上继续开发。

2. 全自动 Kaggle 竞赛（Auto-Kaggle）

这是 MLE-Agent 最惊艳的功能之一。只需一条命令：

mle kaggle --auto   --datasets "<path_to_dataset>"   --description "<description>"   --submission "<submission_file>"   --comp_id "<competition_id>"

Agent 会独立完成从数据探索、特征工程、模型训练到生成提交文件的全流程，不需要人工干预。在 OpenAI 官方 MLE-Bench 基准测试中（需要 Python 3.11-3.12），该模式已完成多个竞赛的端到端评测。

3. 论文 + 代码搜索（ArXiv / Papers with Code 集成）

在规划阶段，Advisor Agent 会自动搜索相关论文：

ArXiv 搜索：根据你的任务描述，找到最新相关预印本
Papers with Code：提取论文对应的开源代码仓库和基准分数

这比手动在浏览器里搜论文要高效得多，尤其适合需要紧跟某细分领域 SOTA 的研究者。

4. 本地 RAG 代码助手

MLE-Agent 内置了基于 LanceDB + Tantivy 的本地向量数据库（Mem0），对项目代码进行索引后，你可以在 CLI 中用自然语言查询项目中已有的实现逻辑、函数定义、文件组织方式。这相当于给项目配备了一个专属的代码知识库。

5. 周报生成（Report Mode）

运行 mle report，Agent 会：

抓取你的 Git 提交记录
分析本周代码变更内容
结合项目上下文生成结构化周报
启动一个本地 Web 页面（FastAPI）可视化展示

也可以用纯 CLI 模式 mle report-local 对任意 Git 仓库生成周报，非常适合团队协作。

技术架构：多 Agent 是如何协同工作的？

MLE-Agent 的架构采用单一模型多角色模式：同一个 LLM 被加载多次，每次扮演不同的 Agent 角色，通过共享的工具层和记忆层协作。

代码结构（mle/ 目录）：

目录	职责
`mle/agents/`	7 种 Agent 角色：Planner（规划）、Coder（编码）、Debugger（调试）、Advisor（建议）、Reporter（报告）、Chat（对话）、Summarizer（摘要）
`mle/model/`	多模型支持：OpenAI、Claude（Anthropic）、Gemini（Google）、DeepSeek、Mistral、Ollama（本地）、vLLM
`mle/workflow/`	4 种工作流：Baseline（基线构建）、Kaggle（竞赛）、Report（周报）、Chat（交互）
`mle/function/`	工具函数：数据处理、代码执行、文件操作、搜索交互
`mle/integration/`	外部集成：Tavily 搜索、Langfuse 可观测性、Kaggle API、Google APIs
`mle/server/`	FastAPI Web 服务，为 Report 模式提供可视化界面

依赖关键技术栈：

LLM 调用：OpenAI SDK (openai~=1.70.0) 统一封装，兼容所有主流模型
向量检索：LanceDB (lancedb==0.15.0) + Tantivy 全文索引
CLI 框架：Click (click>=7.1.1) + Rich 终端美化
异步搜索：Tavily Python SDK (tavily-python~=0.6.0)
实验追踪：Langfuse (langfuse~=2.36.2)
后端服务：FastAPI + Uvicorn

Agent 协作流程示例（Baseline 模式）：

用户需求 → PlannerAgent 生成计划 → AdvisorAgent 查论文推荐方案
  → CoderAgent 生成代码 → DebuggerAgent 调试运行
  → 失败？反馈给 CoderAgent 重写 → 成功则存入工作流缓存
  → SummarizerAgent 总结结果输出给用户

上手门槛：适合谁、不适合谁？

适合的场景

ML 研究者：想快速验证一个新方向，不用从零搭环境，直接让 Agent 生成基线代码
Kaggle 参赛者：想快速跑通竞赛流程，Agent 生成第一版提交后再人工优化
团队 Lead：用 Report 模式自动生成团队周报，减少手工汇总时间
AI 爱好者：想了解 Agent 在专业领域如何落地，本项目代码结构清晰，适合学习参考

不适合的场景

完全不懂 ML 的用户：Agent 输出的代码需要一定基础才能审查和使用
需要 GPU 训练的场景：Agent 生成代码后需要自己启动训练，不负责训练过程
生产级部署：当前版本为 CLI 工具，生产服务部署需要自行封装

争议与局限：不回避的问题

Agent 生成代码质量参差：在复杂 Kaggle 竞赛中，Auto-Kaggle 模式生成的代码往往达不到 top 25% 的水平，需要人工介入调优。当前更适合作为"第一版快速迭代"的工具，而非端到端解决方案。
多模型调用成本：虽然支持 Ollama/vLLM 本地模型，但默认使用 OpenAI/Claude API，完整使用所有功能（尤其是 Tavily 搜索 + 多轮 Agent 协作）会产生较高的 API 调用费用。
缺乏测试框架集成：项目本身有 GitHub Actions 测试，但 Agent 生成的代码不包含测试用例生成能力，这对于需要严谨研究的用户来说是明显短板。
RAG 检索质量依赖分块策略：当前使用 tree-sitter 做代码分块，对于大型代码仓库（>10 万行），检索精度有待提升。

行业意义：ML 工程师的「第二双手」

MLE-Agent 的出现反映了一个趋势：AI 工具正在从"帮人类写作"进化到"帮工程师执行"。过去几年，Copilot 类工具主要辅助单行代码补全；而 Agent 类工具已经开始介入完整的工程决策链——从需求理解、方案选型到代码生成和调试。

从数据来看，项目在 GitHub 获得 1500+ stars，但更重要的是它背后的使用场景：ML 工程师日常工作中超过 60% 的时间其实花在"搭环境、调 Bug、写重复脚手架"上，这些恰好是 Agent 最擅长自动化的部分。如果 MLE-Agent 能将这部分时间压缩一半，工程师就能把更多精力放在真正有创造性的模型设计工作上。

快速体验

# 一键安装
pip install -U mle-agent
# 或
uv pip install -U mle-agent

# 创建新项目
mle new my-project
cd my-project

# 启动基线构建（交互模式）
mle start

# 启动 Kaggle 竞赛
mle kaggle --auto --datasets "<path>" --description "<desc>" --comp_id "<id>"

MLE-Agent：给机器学习工程师配备的 AI 副驾

当你的 Kaggle 参赛过程变成「单人自习室」

MLE-Agent 吉祥物 Kaia

图1：MLE-Agent 的吉祥物 Kaia——一只Llama，灵感来自作者的宠物，象征着温暖与陪伴

背景故事：为什么 ML 工程师需要专属 Agent？

核心功能拆解：它到底能做什么？

1. 自动构建 ML 基线（Baseline Mode）

输入一个模糊的需求，比如"我想用历史股价预测明天涨跌"，MLE-Agent 会：

理解需求：Planner Agent 分析你的数据集和目标，生成项目计划
推荐方案：Advisor Agent 参考 ArXiv 和 Papers with Code 推荐 SOTA 方法
编写代码：Code Agent 按计划生成完整的训练脚本
自动调试：Debugger Agent 运行代码、捕获错误、反馈给 Code Agent 修复

整个过程在你的本地目录中完成，生成的项目结构包含数据处理、模型定义、训练脚本、评估模块，可直接在此基础上继续开发。

2. 全自动 Kaggle 竞赛（Auto-Kaggle）

这是 MLE-Agent 最惊艳的功能之一。只需一条命令：

mle kaggle --auto   --datasets "<path_to_dataset>"   --description "<description>"   --submission "<submission_file>"   --comp_id "<competition_id>"

3. 论文 + 代码搜索（ArXiv / Papers with Code 集成）

在规划阶段，Advisor Agent 会自动搜索相关论文：

ArXiv 搜索：根据你的任务描述，找到最新相关预印本
Papers with Code：提取论文对应的开源代码仓库和基准分数

这比手动在浏览器里搜论文要高效得多，尤其适合需要紧跟某细分领域 SOTA 的研究者。

4. 本地 RAG 代码助手

5. 周报生成（Report Mode）

运行 mle report，Agent 会：

抓取你的 Git 提交记录
分析本周代码变更内容
结合项目上下文生成结构化周报
启动一个本地 Web 页面（FastAPI）可视化展示

也可以用纯 CLI 模式 mle report-local 对任意 Git 仓库生成周报，非常适合团队协作。

技术架构：多 Agent 是如何协同工作的？

MLE-Agent 的架构采用单一模型多角色模式：同一个 LLM 被加载多次，每次扮演不同的 Agent 角色，通过共享的工具层和记忆层协作。

代码结构（mle/ 目录）：

目录	职责
`mle/agents/`	7 种 Agent 角色：Planner（规划）、Coder（编码）、Debugger（调试）、Advisor（建议）、Reporter（报告）、Chat（对话）、Summarizer（摘要）
`mle/model/`	多模型支持：OpenAI、Claude（Anthropic）、Gemini（Google）、DeepSeek、Mistral、Ollama（本地）、vLLM
`mle/workflow/`	4 种工作流：Baseline（基线构建）、Kaggle（竞赛）、Report（周报）、Chat（交互）
`mle/function/`	工具函数：数据处理、代码执行、文件操作、搜索交互
`mle/integration/`	外部集成：Tavily 搜索、Langfuse 可观测性、Kaggle API、Google APIs
`mle/server/`	FastAPI Web 服务，为 Report 模式提供可视化界面

依赖关键技术栈：

LLM 调用：OpenAI SDK (openai~=1.70.0) 统一封装，兼容所有主流模型
向量检索：LanceDB (lancedb==0.15.0) + Tantivy 全文索引
CLI 框架：Click (click>=7.1.1) + Rich 终端美化
异步搜索：Tavily Python SDK (tavily-python~=0.6.0)
实验追踪：Langfuse (langfuse~=2.36.2)
后端服务：FastAPI + Uvicorn

Agent 协作流程示例（Baseline 模式）：

用户需求 → PlannerAgent 生成计划 → AdvisorAgent 查论文推荐方案
  → CoderAgent 生成代码 → DebuggerAgent 调试运行
  → 失败？反馈给 CoderAgent 重写 → 成功则存入工作流缓存
  → SummarizerAgent 总结结果输出给用户

上手门槛：适合谁、不适合谁？

适合的场景

ML 研究者：想快速验证一个新方向，不用从零搭环境，直接让 Agent 生成基线代码
Kaggle 参赛者：想快速跑通竞赛流程，Agent 生成第一版提交后再人工优化
团队 Lead：用 Report 模式自动生成团队周报，减少手工汇总时间
AI 爱好者：想了解 Agent 在专业领域如何落地，本项目代码结构清晰，适合学习参考

不适合的场景

完全不懂 ML 的用户：Agent 输出的代码需要一定基础才能审查和使用
需要 GPU 训练的场景：Agent 生成代码后需要自己启动训练，不负责训练过程
生产级部署：当前版本为 CLI 工具，生产服务部署需要自行封装

争议与局限：不回避的问题

Agent 生成代码质量参差：在复杂 Kaggle 竞赛中，Auto-Kaggle 模式生成的代码往往达不到 top 25% 的水平，需要人工介入调优。当前更适合作为"第一版快速迭代"的工具，而非端到端解决方案。
多模型调用成本：虽然支持 Ollama/vLLM 本地模型，但默认使用 OpenAI/Claude API，完整使用所有功能（尤其是 Tavily 搜索 + 多轮 Agent 协作）会产生较高的 API 调用费用。
缺乏测试框架集成：项目本身有 GitHub Actions 测试，但 Agent 生成的代码不包含测试用例生成能力，这对于需要严谨研究的用户来说是明显短板。
RAG 检索质量依赖分块策略：当前使用 tree-sitter 做代码分块，对于大型代码仓库（>10 万行），检索精度有待提升。

行业意义：ML 工程师的「第二双手」

快速体验

# 一键安装
pip install -U mle-agent
# 或
uv pip install -U mle-agent

# 创建新项目
mle new my-project
cd my-project

# 启动基线构建（交互模式）
mle start

# 启动 Kaggle 竞赛
mle kaggle --auto --datasets "<path>" --description "<desc>" --comp_id "<id>"